CN113034481A - 设备图像模糊检测方法及装置 - Google Patents
设备图像模糊检测方法及装置 Download PDFInfo
- Publication number
- CN113034481A CN113034481A CN202110359331.4A CN202110359331A CN113034481A CN 113034481 A CN113034481 A CN 113034481A CN 202110359331 A CN202110359331 A CN 202110359331A CN 113034481 A CN113034481 A CN 113034481A
- Authority
- CN
- China
- Prior art keywords
- image
- appearance
- appearance image
- gradient
- detection method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims description 27
- 238000001914 filtration Methods 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000011084 recovery Methods 0.000 abstract description 21
- 238000011156 evaluation Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种设备图像模糊检测及装置,在获取到待测智能设备的外观图像后,根据外观图像确定外观图像的梯度图像。最后,根据梯度图像,判定外观图像是否模糊。基于此,被判定为模糊的外观图像,在待测智能设备的外观检测中不被使用,或可对模糊的外观图像进行如去模糊化等进一步地图像处理,以此提高对待测智能设备外观检测的准确性,为回收检测提供有效的估值参考。
Description
技术领域
本发明涉及电子产品技术领域,特别是涉及一种设备图像模糊检测方法及装置。
背景技术
随着电子产品技术的发展,各种智能设备层出不穷,例如智能手机、笔记本电脑和平板电脑等。目前,伴随着经济和技术的高速发展,智能设备的普及和更新换代速度也越来越快。以智能手机为例,5G时代的到来,加速了智能手机的换代。在智能设备进行迭代的过程中,有效回收是智能设备剩余价值的有效利用手段之一,可减少对环境的化学污染以及减少浪费。
在手机的回收过程中,智能设备的整体损耗程度对智能设备的回收估价有较大影响。一般地,主要通过观察智能设备的外观损耗来确定整体损耗,例如划痕、掉漆或外爆等类别的外观损耗来评估智能设备的整体损耗,为智能设备的回收估价提供部分有效的参考。在智能设备回收检测中,例如回收检测终端等对智能设备的回收应用中,智能设备被放置在回收检测终端的检测仓的检测平台上,由回收检测终端的摄像头对智能设备完成拍摄。
然而,在对智能设备进行回收检测的过程中,摄像头的拍摄容易因对焦或抖动等问题,造成智能设备成像的模糊,影响对智能设备外观检测的准确性。
发明内容
基于此,有必要针对在对智能设备进行回收检测的过程中,摄像头的拍摄容易因对焦或抖动等问题,造成智能设备成像的模糊,影响对智能设备外观检测的准确性这一缺陷,提供一种设备图像模糊检测方法及装置。
一种设备图像模糊检测方法,包括步骤:
获取待测智能设备的外观图像;
根据外观图像确定外观图像的梯度图像;
根据梯度图像,判定外观图像是否模糊。
上述的设备图像模糊检测方法,在获取到待测智能设备的外观图像后,根据外观图像确定外观图像的梯度图像。最后,根据梯度图像,判定外观图像是否模糊。基于此,被判定为模糊的外观图像,在待测智能设备的外观检测中不被使用,或可对模糊的外观图像进行如去模糊化等进一步地图像处理,以此提高对待测智能设备外观检测的准确性,为回收检测提供有效的估值参考。
在其中一个实施例中,在根据外观图像确定外观图像的梯度图像的过程之前,还包括步骤:
对外观图像进行图像预处理。
在其中一个实施例中,对外观图像进行图像预处理的过程,包括步骤:
对外观图像进行图像滤波处理,获得滤波处理结果;
对滤波处理结果进行颜色空间转换,获得作为图像预处理结果的灰度图像。
在其中一个实施例中,根据外观图像确定外观图像的梯度图像的过程,包括步骤:
对外观图像进行拉普拉斯变换处理,获得对应的梯度图像。
在其中一个实施例中,对外观图像进行拉普拉斯变换处理,获得对应的梯度图像的过程,包括步骤:
计算外观图像在水平方向的二价差分值和垂直方向的二价差分值;
根据水平方向的二价差分值和垂直方向的二价差分值生成梯度图像。
在其中一个实施例中,根据梯度图像,判定外观图像是否模糊的过程,包括步骤:
计算梯度图像的方差值;
在方差值小于等于预设经验阈值时,判定外观图像模糊。
在其中一个实施例中,预设经验阈值为50。
一种设备图像模糊检测装置,包括:
图像获取模块,用于获取待测智能设备的外观图像;
图像转换模块,用于根据外观图像确定外观图像的梯度图像;
模糊检测模块,用于根据梯度图像,判定外观图像是否模糊。
上述的设备图像模糊检测装置,在获取到待测智能设备的外观图像后,根据外观图像确定外观图像的梯度图像。最后,根据梯度图像,判定外观图像是否模糊。基于此,被判定为模糊的外观图像,在待测智能设备的外观检测中不被使用,或可对模糊的外观图像进行如去模糊化等进一步地图像处理,以此提高对待测智能设备外观检测的准确性,为回收检测提供有效的估值参考。
一种计算机存储介质,其上存储有计算机指令,计算机指令被处理器执行时实现上述任一实施例的设备图像模糊检测方法。
上述的计算机存储介质,在获取到待测智能设备的外观图像后,根据外观图像确定外观图像的梯度图像。最后,根据梯度图像,判定外观图像是否模糊。基于此,被判定为模糊的外观图像,在待测智能设备的外观检测中不被使用,或可对模糊的外观图像进行如去模糊化等进一步地图像处理,以此提高对待测智能设备外观检测的准确性,为回收检测提供有效的估值参考。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述任一实施例的设备图像模糊检测方法。
上述的计算机设备,在获取到待测智能设备的外观图像后,根据外观图像确定外观图像的梯度图像。最后,根据梯度图像,判定外观图像是否模糊。基于此,被判定为模糊的外观图像,在待测智能设备的外观检测中不被使用,或可对模糊的外观图像进行如去模糊化等进一步地图像处理,以此提高对待测智能设备外观检测的准确性,为回收检测提供有效的估值参考。
附图说明
图1为一实施方式的设备图像模糊检测方法流程图;
图2为另一实施方式的设备图像模糊检测方法流程图;
图3为又一实施方式的设备图像模糊检测方法流程图;
图4为一实施方式的设备图像模糊检测装置模块结构图;
图5为一实施方式的计算机内部构造示意图。
具体实施方式
为了更好地理解本发明的目的、技术方案以及技术效果,以下结合附图和实施例对本发明进行进一步的讲解说明。同时声明,以下所描述的实施例仅用于解释本发明,并不用于限定本发明。
在智能设备回收检测领域,例如回收检测终端等对待测智能设备的回收应用中,待测智能设备被放置在回收检测终端的检测仓底部的检测平台上,与检测仓内表面侧壁的距离受放置位置的影响。同时,检测平台可动态带动待测智能设备,调整待测智能设备的放置位置状态,例如旋转等。在待测智能设备放置好后,回收检测终端的摄像头进行对焦和拍摄,获得待测智能设备的外观图像。同时,也可由相关工作人员手持摄像设备对待测智能设备进行拍摄,获得待测智能设备的外观图像。
基于此,本发明实施例提供了一种设备图像模糊检测方法。
图1为一实施方式的设备图像模糊检测方法流程图,如图1所示,一实施方式的设备图像模糊检测方法包括步骤S100至步骤S102:
S100,获取待测智能设备的外观图像;
其中,检测仓的摄像头或第三方拍摄设备通过拍摄待测智能设备,获得待测智能设备的外观图像,提供了包括拍摄背景和待测智能设备正面在内的外观图像。
在其中一个实施例中,图2为另一实施方式的设备图像模糊检测方法流程图,如图2所示,在步骤S101中根据外观图像确定外观图像的梯度图像的过程之前,还包括步骤S200:
S200,对外观图像进行图像预处理。
通过对外观图像进行图像预处理,提高后续图像处理的识别率,并降低数据处理量。其中,图像预处理包括滤波处理、二值化或分辨率转换等。
在其中一个实施例中,图3为又一实施方式的设备图像模糊检测方法流程图,如图3所示,步骤S200中对外观图像进行图像预处理的过程,包括步骤S300和步骤S301:
S300,对外观图像进行图像滤波处理,获得滤波处理结果;
通过图像滤波处理,消除外观图像的白噪声和相应干扰,提高滤波处理结果在后续处理的精确性。作为一个较优的实施方式,图像滤波处理选用高斯滤波,对外观图像进行高斯滤波处理,以移除白噪声,具体过程如下式:
其中,j=1,2,...,H表示相对于图像中左上角原点的水平方向的坐标值,i=1,2,...,W表示相对于图像中左上角原点的垂直方向的坐标值;H表示X的高度,W表示X的宽度;w表示矩形窗口的长度,设置为3,A表示对应矩形窗口的幅值,设置为16。X表示外观图像。矩形窗口表示高斯滤波对应的模板,如下式:
S301,对滤波处理结果进行颜色空间转换,获得作为图像预处理结果的灰度图像。
其中,通过对滤波处理结果进行颜色空间转换,实现对滤波处理结果的二值化,获得作为图像预处理结果的灰度图像。
在其中一个实施例中,对滤波处理结果进行颜色空间转换,获得作为图像预处理结果的灰度图像的过程,如下式:
G1(j,i)=0.1140*X1b(j,i)+0.5870*X1g(j,i)+0.2989*X1r(j,i)
其中,X1r表示R通道的彩色分量,X1g表示G通道的彩色分量,X1b表示B通道的彩色分量,G1表示灰度图像。
S101,根据外观图像确定外观图像的梯度图像;
通过外观图像的梯度图像求取,使外观图像的变化波动更为直观,便于后续对外观图像的模糊判断。在其中一个实施例中,可通过积分变换将外观图像转换为梯度图像。
在其中一个实施例中,如图2所示,步骤S101中根据外观图像确定外观图像的梯度图像的过程,包括步骤S201:
S201,对外观图像进行拉普拉斯变换处理,获得对应的梯度图像。
在其中一个实施例中,如图3所示,步骤S201中对外观图像进行拉普拉斯变换处理,获得对应的梯度图像的过程,包括步骤S302和步骤S303:
S302,计算外观图像在水平方向的二价差分值和垂直方向的二价差分值;
其中,G1为待测智能设备的外观图像或灰度图像。
S303,根据水平方向的二价差分值和垂直方向的二价差分值生成梯度图像。
其中,步骤S303中的梯度图像L如下式:L=Gx+Gy。
S102,根据梯度图像,判定外观图像是否模糊。
其中,根据梯度图像,确定外观图像的变化波动,在变化波动大于设定阈值时,判定外观图像模糊。
在其中一个实施例中,如图2所示,步骤S102中根据梯度图像,判定外观图像是否模糊的过程,包括步骤S202和步骤S203:
S202,计算梯度图像的方差值;
其中,μ和N分别表示梯度图像L的均值和像素点个数。
S203,在方差值小于等于预设经验阈值时,判定外观图像模糊。
在其中一个实施例中,预设经验阈值包括40至60。作为一个较优的实施方式,预设经验阈值为50。
即,当时Lstd≤Th,则图像像素点的像素值波动比较大,外观图像模糊;否则,外观图像不模糊。其中,Th为预设经验阈值。
上述任一实施例的设备图像模糊检测方法,在获取到待测智能设备的外观图像后,根据外观图像确定外观图像的梯度图像。最后,根据梯度图像,判定外观图像是否模糊。基于此,被判定为模糊的外观图像,在待测智能设备的外观检测中不被使用,或可对模糊的外观图像进行如去模糊化等进一步地图像处理,以此提高对待测智能设备外观检测的准确性,为回收检测提供有效的估值参考。
本发明实施例还提供了一种设备图像模糊检测装置。
图4为一实施方式的设备图像模糊检测装置模块结构图,如图4所示,一实施方式的设备摆放检测装置包括模块100、模块101和模块102:
图像获取模块100,用于获取待测智能设备的外观图像;
图像转换模块101,用于根据外观图像确定外观图像的梯度图像;
模糊检测模块102,用于根据梯度图像,判定外观图像是否模糊。
上述的设备图像模糊检测装置,在获取到待测智能设备的外观图像后,根据外观图像确定外观图像的梯度图像。最后,根据梯度图像,判定外观图像是否模糊。基于此,被判定为模糊的外观图像,在待测智能设备的外观检测中不被使用,或可对模糊的外观图像进行如去模糊化等进一步地图像处理,以此提高对待测智能设备外观检测的准确性,为回收检测提供有效的估值参考。
本发明实施例还提供了一种计算机存储介质,其上存储有计算机指令,该指令被处理器执行时实现上述任一实施例的设备图像模糊检测方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
与上述的计算机存储介质对应的是,在一个实施例中还提供一种计算机设备,该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行程序时实现如上述各实施例中的任意一种设备图像模糊检测方法。
该计算机设备可以是终端,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种设备图像模糊检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等
上述计算机设备,在获取到待测智能设备的外观图像后,根据外观图像确定外观图像的梯度图像。最后,根据梯度图像,判定外观图像是否模糊。基于此,被判定为模糊的外观图像,在待测智能设备的外观检测中不被使用,或可对模糊的外观图像进行如去模糊化等进一步地图像处理,以此提高对待测智能设备外观检测的准确性,为回收检测提供有效的估值参考。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种设备图像模糊检测方法,其特征在于,包括步骤:
获取待测智能设备的外观图像;
根据所述外观图像确定所述外观图像的梯度图像;
根据所述梯度图像,判定所述外观图像是否模糊。
2.根据权利要求1所述的设备图像模糊检测方法,其特征在于,在所述根据所述外观图像确定所述外观图像的梯度图像的过程之前,还包括步骤:
对所述外观图像进行图像预处理。
3.根据权利要求2所述的设备图像模糊检测方法,其特征在于,所述对所述外观图像进行图像预处理的过程,包括步骤:
对所述外观图像进行图像滤波处理,获得滤波处理结果;
对所述滤波处理结果进行颜色空间转换,获得作为图像预处理结果的灰度图像。
4.根据权利要求1所述的设备图像模糊检测方法,其特征在于,所述根据所述外观图像确定所述外观图像的梯度图像的过程,包括步骤:
对所述外观图像进行拉普拉斯变换处理,获得对应的梯度图像。
5.根据权利要求4所述的设备图像模糊检测方法,其特征在于,所述对所述外观图像进行拉普拉斯变换处理,获得对应的梯度图像的过程,包括步骤:
计算所述外观图像在水平方向的二价差分值和垂直方向的二价差分值;
根据所述水平方向的二价差分值和所述垂直方向的二价差分值生成所述梯度图像。
6.根据权利要求1至5任意一项所述的设备图像模糊检测方法,其特征在于,所述根据所述梯度图像,判定所述外观图像是否模糊的过程,包括步骤:
计算所述梯度图像的方差值;
在所述方差值小于等于预设经验阈值时,判定所述外观图像模糊。
7.根据权利要求1至5任意一项所述的设备图像模糊检测方法,其特征在于,所述预设经验阈值为50。
8.一种设备图像模糊检测装置,其特征在于,包括:
图像获取模块,用于获取待测智能设备的外观图像;
图像转换模块,用于根据所述外观图像确定所述外观图像的梯度图像;
模糊检测模块,用于根据所述梯度图像,判定所述外观图像是否模糊。
9.一种计算机存储介质,其上存储有计算机指令,其特征在于,所述计算机指令被处理器执行时实现如权利要求1至7任意一项所述的设备图像模糊检测方法。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行程序时实现如权利要求1至7任意一项所述的设备图像模糊检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110359331.4A CN113034481A (zh) | 2021-04-02 | 2021-04-02 | 设备图像模糊检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110359331.4A CN113034481A (zh) | 2021-04-02 | 2021-04-02 | 设备图像模糊检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113034481A true CN113034481A (zh) | 2021-06-25 |
Family
ID=76453505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110359331.4A Pending CN113034481A (zh) | 2021-04-02 | 2021-04-02 | 设备图像模糊检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113034481A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11922467B2 (en) | 2020-08-17 | 2024-03-05 | ecoATM, Inc. | Evaluating an electronic device using optical character recognition |
US12033454B2 (en) | 2020-08-17 | 2024-07-09 | Ecoatm, Llc | Kiosk for evaluating and purchasing used electronic devices |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11290304A (ja) * | 1998-04-07 | 1999-10-26 | Canon Inc | 画像判別方法、画像判別装置、及び記憶媒体 |
WO2006131866A2 (en) * | 2005-06-08 | 2006-12-14 | Koninklijke Philips Electronics N.V. | Method and system for image processing |
CN101226632A (zh) * | 2008-02-02 | 2008-07-23 | 中国科学院遥感应用研究所 | 一种新的自适应阈值化方法 |
US20100182459A1 (en) * | 2009-01-20 | 2010-07-22 | Samsung Electronics Co., Ltd. | Apparatus and method of obtaining high-resolution image |
US20140133779A1 (en) * | 2012-03-14 | 2014-05-15 | Fujitsu Limited | Image processing method, recording medium and apparatus |
CN104021567A (zh) * | 2014-06-26 | 2014-09-03 | 福州大学 | 基于首数字定律的图像高斯模糊篡改检测方法 |
CN104463795A (zh) * | 2014-11-21 | 2015-03-25 | 高韬 | 一种点阵式dm二维码图像处理方法及装置 |
JP2016115318A (ja) * | 2014-12-18 | 2016-06-23 | 日本放送協会 | ぼやけ補正装置、超解像装置およびプログラム |
US20170310851A1 (en) * | 2016-04-25 | 2017-10-26 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
CN107452007A (zh) * | 2017-07-05 | 2017-12-08 | 国网河南省电力公司 | 一种可见光绝缘子图像边缘检测方法 |
CN107918931A (zh) * | 2016-10-10 | 2018-04-17 | 深圳市瀚海基因生物科技有限公司 | 图像处理方法及系统 |
CN108280823A (zh) * | 2017-12-29 | 2018-07-13 | 南京邮电大学 | 一种工业生产中光缆表面弱边缘瑕疵的检测方法及系统 |
CN110136103A (zh) * | 2019-04-24 | 2019-08-16 | 平安科技(深圳)有限公司 | 医学影像解释方法、装置、计算机设备及存储介质 |
CN110458790A (zh) * | 2018-05-03 | 2019-11-15 | 优酷网络技术(北京)有限公司 | 一种图像检测方法、装置及计算机存储介质 |
CN111062331A (zh) * | 2019-12-18 | 2020-04-24 | 银河互联网电视有限公司 | 图像的马赛克检测方法、装置、电子设备及存储介质 |
JP6716769B1 (ja) * | 2019-10-15 | 2020-07-01 | 朝日航洋株式会社 | 画像検査方法、画像検査装置、及び画像検査プログラム |
CN111476808A (zh) * | 2020-03-19 | 2020-07-31 | 北京万里红科技股份有限公司 | 虹膜图像的清晰度评价方法及装置 |
CN111681256A (zh) * | 2020-05-07 | 2020-09-18 | 浙江大华技术股份有限公司 | 图像边缘检测方法、装置、计算机设备和可读存储介质 |
CN112017163A (zh) * | 2020-08-17 | 2020-12-01 | 中移(杭州)信息技术有限公司 | 图像模糊度检测的方法、装置、电子设备及存储介质 |
-
2021
- 2021-04-02 CN CN202110359331.4A patent/CN113034481A/zh active Pending
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11290304A (ja) * | 1998-04-07 | 1999-10-26 | Canon Inc | 画像判別方法、画像判別装置、及び記憶媒体 |
WO2006131866A2 (en) * | 2005-06-08 | 2006-12-14 | Koninklijke Philips Electronics N.V. | Method and system for image processing |
CN101226632A (zh) * | 2008-02-02 | 2008-07-23 | 中国科学院遥感应用研究所 | 一种新的自适应阈值化方法 |
US20100182459A1 (en) * | 2009-01-20 | 2010-07-22 | Samsung Electronics Co., Ltd. | Apparatus and method of obtaining high-resolution image |
US20140133779A1 (en) * | 2012-03-14 | 2014-05-15 | Fujitsu Limited | Image processing method, recording medium and apparatus |
CN104021567A (zh) * | 2014-06-26 | 2014-09-03 | 福州大学 | 基于首数字定律的图像高斯模糊篡改检测方法 |
CN104463795A (zh) * | 2014-11-21 | 2015-03-25 | 高韬 | 一种点阵式dm二维码图像处理方法及装置 |
JP2016115318A (ja) * | 2014-12-18 | 2016-06-23 | 日本放送協会 | ぼやけ補正装置、超解像装置およびプログラム |
US20170310851A1 (en) * | 2016-04-25 | 2017-10-26 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
CN107918931A (zh) * | 2016-10-10 | 2018-04-17 | 深圳市瀚海基因生物科技有限公司 | 图像处理方法及系统 |
CN107452007A (zh) * | 2017-07-05 | 2017-12-08 | 国网河南省电力公司 | 一种可见光绝缘子图像边缘检测方法 |
CN108280823A (zh) * | 2017-12-29 | 2018-07-13 | 南京邮电大学 | 一种工业生产中光缆表面弱边缘瑕疵的检测方法及系统 |
CN110458790A (zh) * | 2018-05-03 | 2019-11-15 | 优酷网络技术(北京)有限公司 | 一种图像检测方法、装置及计算机存储介质 |
CN110136103A (zh) * | 2019-04-24 | 2019-08-16 | 平安科技(深圳)有限公司 | 医学影像解释方法、装置、计算机设备及存储介质 |
JP6716769B1 (ja) * | 2019-10-15 | 2020-07-01 | 朝日航洋株式会社 | 画像検査方法、画像検査装置、及び画像検査プログラム |
CN111062331A (zh) * | 2019-12-18 | 2020-04-24 | 银河互联网电视有限公司 | 图像的马赛克检测方法、装置、电子设备及存储介质 |
CN111476808A (zh) * | 2020-03-19 | 2020-07-31 | 北京万里红科技股份有限公司 | 虹膜图像的清晰度评价方法及装置 |
CN111681256A (zh) * | 2020-05-07 | 2020-09-18 | 浙江大华技术股份有限公司 | 图像边缘检测方法、装置、计算机设备和可读存储介质 |
CN112017163A (zh) * | 2020-08-17 | 2020-12-01 | 中移(杭州)信息技术有限公司 | 图像模糊度检测的方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11922467B2 (en) | 2020-08-17 | 2024-03-05 | ecoATM, Inc. | Evaluating an electronic device using optical character recognition |
US12033454B2 (en) | 2020-08-17 | 2024-07-09 | Ecoatm, Llc | Kiosk for evaluating and purchasing used electronic devices |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2017232186A1 (en) | Fast and robust image alignment for burst mode | |
CN106920245B (zh) | 一种边界检测的方法及装置 | |
CN105740876B (zh) | 一种图像预处理方法及装置 | |
CN112634288A (zh) | 设备区域图像分割方法及装置 | |
CN113034481A (zh) | 设备图像模糊检测方法及装置 | |
CN111986159B (zh) | 太阳能电池片的电极缺陷检测方法、设备及存储介质 | |
CN112241976A (zh) | 一种训练模型的方法及装置 | |
CN113034530B (zh) | 手机摆放检测方法及装置 | |
CN110708568B (zh) | 一种视频内容突变检测方法及装置 | |
CN113034531B (zh) | 设备摆放检测方法及装置 | |
CN116797590B (zh) | 一种基于机器视觉的Mura缺陷检测方法及系统 | |
CN113781406A (zh) | 电子元器件的划痕检测方法、装置及计算机设备 | |
CN113032198A (zh) | 硬件检测方法及装置 | |
CN115660945A (zh) | 一种坐标转换方法、装置、电子设备及存储介质 | |
CN106663317B (zh) | 数字图像的形态学处理方法和数字图像处理装置 | |
CN111160358A (zh) | 一种图像二值化方法、装置、设备、介质 | |
CN113034529A (zh) | 基于迷你手机检测机的设备图像提取方法及装置 | |
CN114299293A (zh) | 应用于回收检测的图像机器视觉预处理方法及装置 | |
CN112116596A (zh) | 图像分割模型的训练方法、图像分割方法、介质及终端 | |
CN114494856A (zh) | 设备机型检测模型训练方法及设备机型检测方法 | |
CN110880003A (zh) | 一种图像匹配方法、装置、存储介质及汽车 | |
CN112465931B (zh) | 图像文本抹除方法、相关设备及可读存储介质 | |
CN113781416A (zh) | 一种输送带撕裂检测方法、装置及电子设备 | |
CN115035090A (zh) | 设备屏幕划痕检测方法及装置 | |
CN116012366A (zh) | 基于回收检测的图像质检检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |